论文部分内容阅读
分布式光伏(Photovoltaic,PV)电源因其绿色清洁和可持续发展的优势,在配电网中的渗透率逐渐提高。然而,受光照强度、温度等天气条件的影响,光伏电源输出的有功功率具有波动性,并且光伏电源会向配电网注入谐波电流,对配电网的电能质量造成不利影响,增加了配电网无功优化的复杂性和灵活性,传统的无功优化方法已不能完全适应光伏电源并网发电的情况。光伏电站在并网运行过程中,注入大量谐波电流到配电网,降低配电网的电能质量,本文将静止无功发生器(Static Var Generator,SVG)接入到光伏电站的出口侧,通过采用电网电压前馈控制策略的SVG有效抑制光伏电站产生的谐波电流。当光伏电站输出的有功功率和SVG输出的无功功率变化时,含SVG和光伏的并网谐波电流也会随之变化,本文基于BP神经网络(Back-propagation Neural Network),建立含SVG和光伏的谐波电流模型,该模型能够较好地计算含SVG和光伏的并网谐波电流。针对光伏电站出力的随机性和负荷的不确定性,本文建立含SVG和光伏的随机谐波潮流计算模型,利用蒙特卡罗模拟法对配电网数据进行大量采样,进行随机谐波潮流计算,获得随机基波和随机谐波潮流结果,为后续无功优化提供精确的信息。针对含SVG和光伏的并网谐波电流及其不确定性对配电网无功优化造成的影响,基于所建立的含SVG和光伏的谐波电流模型和随机谐波潮流模型,本文在传统无功优化数学模型中加入谐波指标——节点电压总谐波畸变率(Total Harmonic Distortions of u,THDu),对配电网节点基波电压和节点电压总谐波畸变率进行机会约束,建立考虑谐波因素的含光伏电站和SVG配电网无功优化模型。本文应用粒子群算法(Particle Swarm Optimization,PSO)对无功优化模型进行求解,IEEE-33节点配电系统算例验证了本文所建立无功优化模型的合理性与可行性,该模型能够综合考虑降低有功网损和减少谐波污染,以提高配电网运行的经济性和安全性。